2-隨機(jī)截距模型

?????針對(duì)層次結(jié)構(gòu)數(shù)據(jù),高水平的數(shù)據(jù)對(duì)應(yīng)為各個(gè)不同的數(shù)據(jù)子集,僅將截距作為隨機(jī)效應(yīng),對(duì)截距的變異進(jìn)行拆分,該模型又稱為方差成分模型(variance component model)。
?????當(dāng)存在協(xié)變量時(shí),模型為

?????????????????????????y_{ij}=β_{0j}+β_1x_{ij}+e_{0ij}=β_0+u_{0j}+β_1x_{ij}+e_{0ij}=(β_{0}+β_1x_{ij})+(u_{0j}+e_{0ij})

?????y_{ij}為第j個(gè)水平中第i個(gè)受試者的測(cè)量值。x_{ij}為第j個(gè)水平中第i個(gè)受試者的協(xié)變量。

  • 固定部分:β_{0}+β_1x_{ij}
  • 隨機(jī)部分:u_{0j}+e_{0ij}. δ_{u0}^2為水平2的方差成分,δ_{e0}^2為水平1的方差成分。

?????常規(guī)回歸模型中的截距為β_0為固定值,而該方差成分模型中的β_{0j}為隨機(jī)變量,β_1為固定值。
?????即j個(gè)不同水平間的截距不同,但不同水平中協(xié)變量對(duì)因變量的影響是固定的。截距有j個(gè),但斜率均為β1,不同水平為j條平行的回歸線。
?????方差成分模型假設(shè),協(xié)變量對(duì)反應(yīng)變量的回歸系數(shù)在不同的高水平單位相同,即高水平單位對(duì)低水平單位的影響僅表現(xiàn)為截距的差異。

β_{0j}=β_0+u_{0j}
y_{ij}=(β_{0}+β_1x_{ij})+(u_{0j}+e_{0ij})

例子:
水平1為受試者,水平2為醫(yī)生。
模型1: 社區(qū)醫(yī)生對(duì)患者的服務(wù)水平有無(wú)差別。 y_{ij}=β_{0}+u_{0j}+e_{0ij},空模型,無(wú)協(xié)變量
模型2: 患者對(duì)醫(yī)生的評(píng)價(jià)是否受患者年齡的影響。y_{ij}=β_{0j}+u_{0j}+β_1x_{ij}+e_{0ij},模型中加入年齡變量

方差分析表:

變異來(lái)源 SS df MS EMS
組間 SS_a J-1 MS_a n_0δ_a^2+δ_e^2
組內(nèi) SS_e N-J MS_e δ_e^2
總變異 SS_總 N-1

*δ_e^2=MS_e, δ_a^2=\frac{MS_a-MS_e}{n_0}, n_0=\frac{1}{J-1}(N-\frac{\sum n_i^2}{N})

固定效應(yīng)方差分析:F=\frac{MS_a}{MS_e}
隨機(jī)效應(yīng)方差分析:F=\frac{MS_a-MS_e}{MS_e}=\frac{n_0δ_a^2}{δ_e^2}


  • 參考:

醫(yī)學(xué)和公共衛(wèi)生研究常用多水平統(tǒng)計(jì)模型(李曉松)
Applied Mixed Model Analysis A Practical Guide (Jos W. R. Twisk)

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容